[发明专利]一种外骨骼动力学模型参数辨识方法及外骨骼装置

说明书

本发明公开一种外骨骼动力学模型参数辨识方法及外骨骼装置，应用于外骨骼机器人领域，为了解决现有的模型辨识方法往往达不到实际要求的辨识精度和误差收敛速度的问题，本发明的方法首先建立包含未知参数的外骨骼动力学模型，并将其转化成线性形式；然后，采用NFO算法设计在特定物理约束下的外骨骼的激励轨迹并进行激励实验获取采样回归数据集与采样力矩数据集；采样回归数据集与采样力矩数据集组成采样数据集；最后，采用NFO算法，根据采样数据集进行动力学模型的未知参数辨识；并根据辨识出的动力学模型参数设计鲁棒控制器，基于设计的鲁棒控制器对外骨骼装置进行了实时驱动。

技术领域

本发明属于外骨骼机器人领域，特别涉及一种外骨骼机器人的未知参数辨识方法及控制技术。

背景技术

下肢外骨骼是一种将人的智慧和机械的力量结合起来的可穿戴装置，在抢险救灾、医疗康复、军事作战等方面都有着广泛的应用场景。下肢外骨骼系统是指以伺服装置为控制核心的伺服控制系统，主要由电信号处理装置和动力机构组成。典型外骨骼组成元件如下：(1)给定元件。它可以是机械装置，如连杆等，提供位移信号；也可是电气元件，如电位计等，提供电压信号；(2)检测元件。用来检测执行元件的实际输出量，并转换成反馈信号。它可以是光电传感器、编码器、三维力传感器等；(3)比较元件。用来比较指令信号和反馈信号，并得出误差信号。实际中一般没有专门的比较元件，而是由某一结构元件兼职完成；(4)放大、转换元件。将比较元件所得的误差信号放大，并转换成电信号或液压信号(压力、流量)。它可以是电放大器等；(5)执行元件。将电能转变为机械能，产生直线运动或旋转运动，并直接控制被控对象。一般指电机或液压缸；(6)被控制对象。指系统的负载，如工作台等。

NFO(Neighborhood Field Optimization，邻域优化算法)算法的基本原理是：根据优化模型的复杂程度，确定搜索空间上的个体数和优化结束条件，并计算出每个个体的相邻优势个体和相邻劣势个体，并以此获得变异因子和变异向量，在选择的适应度函数下进行个体的更新，直至优化结束条件满足。

随着外骨骼机器人在工程领域中的应用日益扩大，对于外骨骼参数辨识的精度要求越来越高；而现有的模型辨识方法往往达不到实际要求的辨识精度和误差收敛速度，而缺少精度高，收敛快的模型辨识方法的研究。

发明内容

为解决上述技术问题，本发明提出一种基于NFO算法的外骨骼动力学模型参数辨识方法，及将该方法应用于一款下肢外骨骼装置，实现了对下肢外骨骼动力学模型参数的精确辨识，采用本发明方法的鲁棒控制器提高了下肢外骨骼装置抗干扰能力。

本发明采用的技术方案之一为：一种基于NFO算法的外骨骼动力学模型参数辨识方法，包括：

S1、建立包含未知参数的外骨骼动力学模型，并将其转化成线性形式；

S2、采用NFO算法设计在特定物理约束下的外骨骼的激励轨迹并进行激励实验获取采样回归数据集与采样力矩数据集；采样回归数据集与采样力矩数据集组成采样数据集；

S3、采用NFO算法，根据采样数据集进行动力学模型的未知参数辨识。

进一步地，步骤S1采用拉格朗日方法建立外骨骼的动力学模型。

进一步地，步骤S2所述在特定物理约束下的外骨骼的激励轨迹具体为：外骨骼关节角度、外骨骼关节角速度、外骨骼关节角加速度满足特定物理约束的外骨骼的激励轨迹。

进一步地，步骤S3具体为采用NFO算法对根据采样数据集构建的外骨骼动力学模型线性形式对应的适应度函数进行优化，从而辨别外骨骼动力学模型参数。

更进一步地，所述适应度函数采用Huber函数。

进一步地，当所述外骨骼为2-DOF下肢外骨骼时，步骤S3中采用NFO算法通过优化以下适应度函数进行动力学模型的未知参数辨识：